| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-07-25 14:25 クラスター説明変数と回帰説明変数により表現された線形回帰モデルにおけるベイズ最適な予測の近似手法 ○村山春香・齋藤翔太・中原悠太・松嶋敏泰（早大）  IT2019-16 |
|
| 抄録 | （和） | 本研究では，説明変数と目的変数の組からなるデータが与えられたとき，一部の連続説明変数によってデータを複数のクラスターに分けることができ，各クラスターにおいて，残りの説明変数に関する線形回帰モデルが仮定できる場合を考える．このデータに対し，確率モデルを仮定し，ベイズ基準のもとで最適な予測とその近似計算アルゴリズムを導く．また，人工データを用いた実験により，提案アルゴリズムの有効性や挙動を確認する． |
| （英） | In this research, data are assumed to be divided in clusters based on a part of the continuous explanatory variables, and have a regression model of remaining explanatory variables in each cluster. Introducing probabilistic structure, we derive the optimal prediction under Bayes criteria, and propose an algorithm which calculates the approximation of this prediction. Moreover, using synthetic data, some experiments are conducted to show the effectiveness of the proposed algorithm. | |
| キーワード | （和） | クラスタリング / 線形回帰 / ベイズ最適な予測 / 変分ベイズ法 / / / / |
| （英） | Clustering / Linear Regression / Bayes Optimal Prediction / Variational Bayes Method / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 149, IT2019-16, pp. 5-10, 2019年7月. | |
| 資料番号 | IT2019-16 | |
| 発行日 | 2019-07-18 (IT) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IT2019-16 |
|
| 研究会情報 | |
| 研究会 | IT |
| 開催期間 | 2019-07-25 - 2019-07-26 |
| 開催地（和） | NATULUCK飯田橋東口 駅前店 |
| 開催地（英） | NATULUCK-Iidabashi-Higashiguchi Ekimaeten |
| テーマ（和） | フレッシュマンセッション，一般 |
| テーマ（英） | freshman session, general |
| 講演論文情報の詳細 | |
| 申込み研究会 | IT |
| 会議コード | 2019-07-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | クラスター説明変数と回帰説明変数により表現された線形回帰モデルにおけるベイズ最適な予測の近似手法 |
| サブタイトル（和） | |
| タイトル（英） | Bayes Optimal Prediction and Its Approximative Algorithm on Model Including Cluster Explanatory Variables and Regression Explanatory Variables |
| サブタイトル（英） | |
| キーワード(1)（和/英） | クラスタリング / Clustering |
| キーワード(2)（和/英） | 線形回帰 / Linear Regression |
| キーワード(3)（和/英） | ベイズ最適な予測 / Bayes Optimal Prediction |
| キーワード(4)（和/英） | 変分ベイズ法 / Variational Bayes Method |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 村山 春香 / Haruka Murayama / ムラヤマ ハルカ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 齋藤 翔太 / Shota Saito / サイトウ ショウタ |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 中原 悠太 / Yuta Nakahara / ナカハラ ユウタ |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 松嶋 敏泰 / Toshiyasu Matsushima / マツシマ トシヤス |
| 第4著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-07-25 14:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IT |
| 資料番号 | IT2019-16 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.149 |
| ページ範囲 | pp.5-10 |
| ページ数 | 6 |
| 発行日 | 2019-07-18 (IT) |
[研究会発表申込システムのトップページに戻る]